Probabilidade

Introduo
Existem dois tipos de experimentos: Determinsticos: So experimentos que os resultados so sempre os mesmos e determinados pelas condies sob as quais o procedimento seja executado. Exemplo: Leis da Fsica No-Determinsticos (Probabilstico ou Aleatrio): So experimentos que podem variar em seus resultados, mesmo quando so executados sob as

mesmas condies.

Exemplos de experimentos aleatrios:

E1: Jogar um dado e observar a face acima. E2: Jogar uma moeda quatro vezes e observar o nmero de caras obtidas. E3: Jogar uma moeda duas vezes e observar a sequncia obtida. E4: Em uma linha de produo contar o nmero de peas defeituosas em um perodo de 8h. E5: Durao de vida de uma lmpada (em horas). E6: Um lote de 10 peas, contm 3 defeituosas, as peas so tiradas uma a uma, sem reposio at que a ltima pea defeituosa seja encontrada. O nmero de peas retirada contado.

Introduo
Caracterstica de um experimento aleatrio O experimento pode ser repetido indefinidamente sob as mesmas condies. Embora no sejamos capazes de afirmar o resultado que ocorrer, seremos capazes de descrever o conjunto de todos os possveis resultados o experimento. Quando o experimento for repetido um grande nmero de vezes, uma configurao definida ou regularidade surgir.
OBS: Essa regularidade torna possvel construir modelos matemticos que possibilitam analisar cada tipo de experimento. Em nosso estudo consideraremos experimento do tipo aleatrio.

Espao Amostral
Definio: Para cada experimento E, definiremos espao amostral como o conjunto de todos os possveis resultados de E. Representaremos por S. Exemplos: Considerando o exemplo anterior temos: S1 = {1, 2, 3, 4, 5, 6} S2 = {0, 1, 2, 3, 4} S3 = {kk, cc, kc, ck}; k=coroa e c=cara S4 = {1, 2, , N}, onde N o nmero mximo de peas produzidas . S5 = { t | t 0}, onde t uma quantidade em horas. S6 = {3,4,5,6,7,8,9,10} possvel observar que os possveis resultados do experimento no so necessariamente um nmero.

Evento
Definio: Dado um espao amostral S, associado a um experimento E qualquer, definimos como evento qualquer subconjunto do espao amostral S. Exemplos: Novamente considerando o exemplo inicial: A1: um nmero par ocorre, A1= { 2, 4, 6}; A2: duas caras ocorrem, A2 = { 2}; A3: pelo menos uma caras ocorrem, A3 ={cc, kc, ck}; A4: todas as peas so perfeitas, A4 = {0}; A5: a lmpada queima em menos de 3h, A5={t|0 t 3}; A6: a terceira pea defeituosa encontrada na terceira retirada A ={3}.

Operaes bsicas com eventos

Sejam A, B e C eventos de um espao amostral S. Unio: A U B, o evento formado os elementos que pertencem a A ou a B ou a ambos. Exemplo: A = {1, 2, 3}, B = {0}, ento A U B = {0, 1, 2, 3} Interseco: A B, o evento formado por todos os elementos que pertencem a A e a B simultaneamente. Exemplo: A = {2, 3, 4}, B = {2, 4, 6}, ento A B = {2, 4}

Operaes bsicas com eventos

Complementar: Se Ac o evento complementar de A, ento Ac consiste em todos os resultados do espao amostral que no estejam includos no evento A. Exemplo:E1: Jogar um dado e observar a face acima. A = {2, 3, 4}, ento Ac = {1, 5, 6} Leis de De Morgan: (A U B)C = AC BC (A B)C = AC U BC Leis Distributivas: A U (B C) = (A U B) (A U C) A (B U C) = (A B) U (A C)

Eventos mutuamente exclusivos: Dois eventos, A e B, sero mutuamente exclusivos se no puderem ocorrer na mesma tentativa, ou seja, AB = . Exemplo: A = {2, 4, 6} e B = {1, 3}

Excluso mtua

Eventos no mutuamente exclusivos: Se dois eventos podem ocorrer na mesma tentativa, eles no so mutuamente exclusivos, ou seja, AB . Exemplo: A = {sair PAR} = {2, 4, 6} e B = {sair n maior que 4} = {5, 6}
AB Sem excluso mtua A B

Probabilidade
Definio: uma medida com a qual podemos esperar a chance de ocorrncia de um determinado evento, atribuindoa um nmero (valor) entre 0 e 1. Assim, se temos a certeza de que um evento ocorrer, diremos que sua probabilidade 1 (ou 100%), caso contrrio diremos que sua probabilidade 0 (ou 0%). Se, por exemplo, a probabilidade diremos que existe uma chance de 25% de ocorrncia de tal evento. Espaos Amostrais Finitos Equiprovveis: quando associamos a cada ponto amostral ( cada elemento do espao amostral) a mesma probabilidade, o espao amostral chama-se equiprovvel

Probabilidade
Definio Clssica: Seja um evento A qualquer. Temos que:

P(A)

nmero de resultados em A nmero total de resultados no espao amostral S

Exemplo: A1 = {sair PAR} = {2, 4, 6} P(A1) = 3/6 = = 0,5 = (50%)

Exemplo
Experimento: Dois dados so jogados Espao Amostral (S) 1,1 1,2 1,3 1,4 1,5 1,6 2,1 2,2 2,3 2,4 2,5 2,6 3,1 3,2 3,3 3,4 3,5 3,6 4,1 4,2 4,3 4,4 4,5 4,6 5,1 5,2 5,3 5,4 5,5 5,6 6,1 6,2 6,3 6,4 6,5 6,6

Detemine a probabilidade de que: A ={a soma seja 4}. P(A) = 3/36 = 0,083 Determine a probabilidade de que: B = (a soma seja 11}. P(B) = 2/36 = 0,056

Probabilidade
Definio axiomtica: Seja E um experimento. Seja S um espao amostral associado a E. A cada evento A associaremos um nmero real representado por P(A) e denominado probabilidade de A que satisfaa os seguintes axiomas. 1) 0 P(A) 1; 2) P(S) = 1; 3) Se A e B forem mutuamente exclusivos, ou seja, disjuntos (AB = ), ento P(AB) = P(A) + P(B).

Propriedades da probabilidade
P1: Se for o conjunto vazio, ento P() = 0. P2: Se Ac for o evento complementar de A, ento P(Ac) = 1- P(A). P3: Se A e B so dois eventos quaisquer, ento P(AB) = P(A) + P(B) P(A B). P4: Se A B, ento P(A) P(B). OBS: A propriedade 3 conhecida como regra da adio.

Exemplo: Uma carta tirada de um baralho. Determine a probabilidade de ser um rei OU ser de naipe vermelho. A = {a carta um rei}. B = {a carta vermelha} P(A) = 4/52 P(B) = 26/52 P(A B) = 2/52

P(AB) = 4/52 + 26/52 2/52 = 28/52 = 0,5385. Exemplo 2: Uma carta tirada de um baralho. Determine a probabilidade de a carta ser um rei ou um 10. A = a carta um rei. B = a carta um 10.
P(A) = 4/52 P(B) = 4/52 P(A B) = 0

P(AB) = 4/52 + 4/52 = 8/52 = 0,054

Exemplo
Perguntou-se a uma amostra de adultos em trs cidades se eles gostavam de um novo suco. Os resultados esto a seguir. Sim No No sabe Total J. Pessoa 100 125 75 300 Recife 150 130 170 450 Natal 150 95 5 250 Total 400 350 250 1.000

Determine a probabilidade de sortear um adulto de Natal ou que tenha respondido SIM

Natal P(Miami SIM) = 250/1.000 + 400/1.000 150/1.000 = 500/1.000 = 0,5

Probabilidade condicional
Definio: A probabilidade de um evento A ocorrer, dado (ou na condio de) que outro evento B j ocorreu.

P( AB ) P ( AB )= P ( B)
Escrevemos essa situao como P(A|B) e lemos a probabilidade de A, dado B.
Exemplo: Dois dados so lanados ao acaso. Qual a probabilidade da soma ser igual a 6, dado que o primeiro dado saiu n menor que 3 A = {soma igual a 6} = {(1,5), (2,4), (3,3), (4,2), (5,1)} B = {1 dado com n < 3 } = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6)} A B = {(1,5), (2,4)} Logo P(A | B) = (2/36) (12/36) = 2/12 = 1/6

Exemplo
Perguntou-se a uma amostra de adultos em trs cidades se eles gostavam de um novo suco. Os resultados esto a seguir. Sim No No sabe Total J. Pessoa 100 125 75 300 Recife 150 130 170 450 Natal 150 95 5 250 Total 400 350 250 1.000

Uma das respostas selecionada ao acaso. Determine: 1. P(sim) 2. P(Recife) 3. P(Natal) 4. P(no, dado Natal)

Solues
Sim No No sabe Total 1. P(sim) 2. P(Recife) 3. P(Natal) J. Pessoa 100 125 75 300 Recife 150 130 170 450 Natal 150 95 5 250 Total 400 350 250 1.000

= 400/1.000 = 0,4 = 450/1.000 = 0,45 = 250/1.000 = 0,25 = 95/250 = 0,38

4. P(no, dado Natal)

Eventos independentes
Definio: Dois eventos A e B so independentes se a probabilidade de ocorrncia do evento A no afetada pela ocorrncia (ou no-ocorrncia) do evento B. Isto , P(B|A) = P(B). Equivalentemente, dois eventos A e B so independentes, se P(A B) = P(A) x P(B).
Exemplo: Dois dados so lanados. A = sair 4 no primeiro e B = sair 4 no segundo. Os eventos so independentes.

Dois eventos que no so independentes so dependentes.

Exemplo de eventos dependentes: Entre os 12 carros de uma linha de produo, 5 tm defeito e 2 so selecionados ao acaso. A = o primeiro carro defeituoso. B = o segundo carro defeituoso. A probabilidade de o segundo carro ser defeituoso depende de o primeiro ter ou no defeito. Os eventos so dependentes.

Regra da Multiplicao
Para determinar a probabilidade de que dois eventos, A e B, ocorram em sequncia, multiplique a probabilidade de A ocorrer pela probabilidade condicional de B ocorrer, dado que A j ocorreu.

P(A B) = P(A) x P(B|A)

Dois carros so selecionados em uma linha de produo com 12 unidades, 5 delas defeituosas. Determine a probabilidade de ambos os carros serem defeituosos. A = o 1o carro defeituoso. B = o 2o carro defeituoso.

P(A) = 5/12 P(B|A) = 4/11 P(A B) = 5/12 x 4/11 = 5/33 = 0,1515

Regra da Multiplicao
Dois dados so lanados. Determine a probabilidade de sair 4 em ambos. A = sair 4 no primeiro dado e B = sair 4 no segundo dado. P(A) = 1/6 P(B|A) = 1/6

P(A B) = 1/6 x 1/6 = 1/36 = 0,028

Teorema da probabilidade total

Sejam B1, B2, ..., Bk uma partio do espao amostral S, ou seja, eventos mutuamente exclusivos e que a unio deles formem o espao amostral. Seja A um evento qualquer associado a S, ento:

P ( A )=P [( A B1 ) P( AB k )]= = P( AB1 )++P ( AB k )= = P( AB 1 ). P( B 1 )++P ( AB k ). P ( B k )

B4 A B3 B2 S B1

Exemplo
Exemplo: Em uma turma 60% dos estudantes so homens e 40% mulheres. Alm disso, sabe-se que 1% dos homens e 4% das mulheres tem menos de 1,60m. Qual a probabilidade de que um estudante tenha menos de 1,60m? Soluo: A = {menos de 1,60m}

P ( A )=P [( M A)( H A)]=P ( M A )+P ( H A)= = P( AM ). P ( M )+P ( AH ). P ( H )= =(0,040,40)+(0,010,60)=0,022

Teorema de Bayes
Sejam B1, B2, ..., Bk uma partio do espao amostral S, ou seja, eventos mutuamente exclusivos. Seja A um evento qualquer associado a S, ento:

P ( Bi A)=

P ( Bi A) p( A)

P( AB i ). P( B i ) P ( AB1 ). P ( B1 )++P ( AB k ). P ( Bk )
B1

B4 A B3 B2

Teorema de Bayes
Exemplo: Utilizando o exemplo anterior, dado que
um estudante com menos de 1,60m foi sorteado aleatoriamente, qual a probabilidade dele ser mulher ? Soluo: H={Homem}, M = {Mulher}, A = {menos de 1,60m}

P ( M A) P( AM ). P ( M ) P ( MA)= = P ( A) P ( A) 0, 040, 40 = =0, 727 0, 022